دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: Ireneusz Czarnowski, Piotr Jędrzejowicz (auth.), Ireneusz Czarnowski, Piotr Jędrzejowicz, Janusz Kacprzyk (eds.) سری: Studies in Computational Intelligence 456 ISBN (شابک) : 9783642340963, 9783642340970 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2013 تعداد صفحات: 207 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب بهینه سازی مبتنی بر عامل: هوش محاسباتی، هوش مصنوعی (شامل رباتیک)
در صورت تبدیل فایل کتاب Agent-Based Optimization به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب بهینه سازی مبتنی بر عامل نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این جلد مجموعهای از کارهای تحقیقاتی اصلی توسط متخصصان برجسته را ارائه میکند که بر روی رویکردهای جدید و امیدوارکننده تمرکز دارند که در آن پارادایم سیستم چند عاملی برای پشتیبانی، بهبود یا جایگزینی رویکردهای سنتی برای حل مسائل دشوار بهینهسازی استفاده میشود. ویراستاران از چندین متخصص معروف دعوت کرده اند تا راه حل ها، ابزارها و مدل های خود را ارائه دهند که تحت مخرج مشترک بهینه سازی مبتنی بر عامل قرار دارند. این کتاب شامل هشت فصل است که نمونههایی از کاربرد پارادایم چند عاملی و ابزارهای سفارشی مربوطه را برای حل مسائل دشوار بهینهسازی که در حوزههای مختلف از جمله یادگیری ماشین، زمانبندی، حملونقل و به طور کلی، حل مشکلات توزیعشده و مشارکتی ایجاد میشوند، پوشش میدهد.
This volume presents a collection of original research works by leading specialists focusing on novel and promising approaches in which the multi-agent system paradigm is used to support, enhance or replace traditional approaches to solving difficult optimization problems. The editors have invited several well-known specialists to present their solutions, tools, and models falling under the common denominator of the agent-based optimization. The book consists of eight chapters covering examples of application of the multi-agent paradigm and respective customized tools to solve difficult optimization problems arising in different areas such as machine learning, scheduling, transportation and, more generally, distributed and cooperative problem solving.
Front Matter....Pages 1-8
Machine Learning and Multiagent Systems as Interrelated Technologies....Pages 1-28
Ant Colony Optimization for the Multi-criteria Vehicle Navigation Problem....Pages 29-53
Solving Instances of the Capacitated Vehicle Routing Problem Using Multi-agent Non-distributed and Distributed Environment....Pages 55-75
Structure vs. Efficiency of the Cross-Entropy Based Population Learning Algorithm for Discrete-Continuous Scheduling with Continuous Resource Discretisation....Pages 77-102
Triple-Action Agents Solving the MRCPSP/Max Problem....Pages 103-122
Team of A-Teams - A Study of the Cooperation between Program Agents Solving Difficult Optimization Problems....Pages 123-141
Distributed Bregman-Distance Algorithms for Min-Max Optimization....Pages 143-174
A Probability Collectives Approach for Multi-Agent Distributed and Cooperative Optimization with Tolerance for Agent Failure....Pages 175-201
Back Matter....Pages 0--1